問題 No.2114
コンピュータビジョンの分野において、入力されたデジタル画像から物体やその領域を検出し、あらかじめ定義されたカテゴリに分類する一連の技術やプロセスの総称として、最も適切なものはどれか。
【正解の解説】
画像認識
人間が目で見れば一瞬で「これは猫だ」「これはリンゴだ」と分かるのと同じように、コンピュータに写真を見せて「何が写っているか」を理解させる魔法のような仕組みです。人間の脳の視覚野の働きをプログラムで再現しているとイメージしてください。自動運転での歩行者発見や、スマホの顔認証など、私たちの身の回りの便利なAI技術の根幹を支えている最も重要なプロセスです。
スポンサーリンク
【その他の選択肢の解説】
画像処理
初学者が最も混同しやすいポイントですが、画像処理はあくまで「写真写りを良くする」「見やすく加工する」ための手段です。例えば、スマホのカメラで写真をキレイに補正したり、モザイクをかけたりする作業はすべて画像処理に含まれます。これに対し、画像認識は「加工された写真の中に何があるかを意味づけして理解する」という一段高いレベルの処理を指すため、両者は目的が異なります。
パターンマッチング
パターンマッチングは、あらかじめ用意されたテンプレートと入力画像のピクセルを機械的に比較し、一致する場所を探す古典的な手法です。工場の製品検査などで「特定の形やキズを探す」場合には非常に有効ですが、同じ猫でもポーズや向きが変わると認識できなくなります。今回の問題にある「カテゴリへの分類や領域検出」という高度な意味理解を行う画像認識とは、アプローチの柔軟性に大きな違いがあります。
ピクセル操作
ピクセル操作は、画像を構成する一つひとつの点（画素）のデータをプログラムで書き換える基礎的なプログラミング作業を指します。例えば「特定の色の明るさを2倍にする」「モノクロに変換する」といった作業がこれに該当します。物体が何であるかを判断するような高度な認識機能ではなく、あくまで画像データを構成するパーツを直接いじるミクロな作業であるため、本問の総称としては不適切です。